基于优化极限学习机模型的边坡稳定性预测研究

金属矿山 ›› 2024, Vol. 53 ›› Issue (6): 191-.

基于优化极限学习机模型的边坡稳定性预测研究

陈家豪1,2　张　燕1　杜明芳1　黄海荣1

1. 河南工业大学土木工程学院,河南郑州 450001;2. 河南省粮油仓储建筑与安全重点实验室,河南郑州 450001

出版日期:2024-06-17 发布日期:2024-07-14

Study on Slope Stability Prediction Based on Optimized Extreme Learning Machine Model

CHEN Jiahao1,2　ZHANG Yan1　DU Mingfang1　HUANG Hairong1

Online:2024-06-17 Published:2024-07-14

摘要/Abstract

摘要： 边坡稳定性预测对工程安全及地质灾害防治极其重要,目前机器学习在边坡稳定性预测较广泛,例如BP 神经网络、支持向量机(SVM)、极限学习机(ELM)等。但传统的ELM 模型在预测边坡稳定性时存在易陷入局部最小值、难以选择合适学习率的问题,针对此问题,提出了一种基于主成分分析法(PCA)和爬行动物搜索法(RSA)并行优化极限学习机(ELM)的边坡稳定性预测模型。此模型利用PCA 算法对数据进行降维,减少数据的冗余性,并利用RSA 算法优化ELM 模型的输入层权值和隐含层偏置,极大地提高了模型的预测精度和预测效率。将传统的ELM 模型、RSA-ELM 模型、PCA-SVM 模型及PCA-RSA-ELM 4 种模型进行对比,从而得到PCA-RSA-ELM 模型在边坡稳定性预测这类问题上的精确性更高,为边坡稳定性预测分析提供新的思路,对防灾减灾及保护国民经济安全具有重大意义。

陈家豪, 张　燕, 杜明芳, 黄海荣. 基于优化极限学习机模型的边坡稳定性预测研究[J]. 金属矿山, 2024, 53(6): 191-.

CHEN Jiahao, ZHANG Yan, DU Mingfang, HUANG Hairong. Study on Slope Stability Prediction Based on Optimized Extreme Learning Machine Model[J]. Metal Mine, 2024, 53(6): 191-.

扫码分享